Sicherheit und Datenschutz für verteilte Lerntechniken in IoT-gestützten Gesundheitsdiensten (SePRIO)

Der sprunghafte Anstieg der generierten, gespeicherten und verarbeiteten digitalen Gesundheitsdaten ist ein bedeutendes Phänomen, das zahlreiche technische und praktische Herausforderungen hinsichtlich der Frage mit sich bringt, wie diese Daten in effizienten, sicheren, datenschutzkonformen und skalierbaren Lösungen für verschiedene Anwendungsfälle im Gesundheitsbereich geteilt, verarbeitet und gespeichert werden können. Daher besteht ein großer Bedarf an innovativen, robusten und datenschutzkonformen verteilten Lerntechniken, die die zugrunde liegenden Datenverarbeitungs-/Analyseprinzipien effektiv umsetzen, ohne die Effizienz und den Nutzen in Gesundheitsanwendungen zu beeinträchtigen.

Dies ist auch für die digitale Souveränität und die Wettbewerbsfähigkeit der Schweizer Industrie notwendig, die im Bereich der Gesundheitstechnologie und der Pharmazie sehr erfolgreich ist. Insbesondere sollten sichere Aggregations- und datenschutzkonforme Techniken für verteiltes Lernen, wie z. B. Federated Learning (FL), implementiert, getestet und in Anwendungsfälle im Gesundheitswesen mit IoT-Geräten integriert werden. Diese Bemühungen werden zu neuen Lösungen und einer Analyse der Grenzen und Kompromisse jener datenschutzkonformen Algorithmen führen, die in verteilten Umgebungen eingesetzt werden.

In diesem Zusammenhang besteht das Hauptziel des SePRIO-Projekts darin, Sicherheit und Datenschutz in verteilte Lerntechniken zu integrieren, wobei der Schwerpunkt auf Anwendungsfällen im Bereich der digitalen Gesundheit liegt. Zu diesem Zweck werden wir zunächst eine Vielzahl von Techniken zur sicheren Aggregation und zum Schutz der Privatsphäre untersuchen.

Anschließend werden wir diese Techniken in unsere KI-Infrastruktur integrieren und unsere erweiterten verteilten Lernmodelle (z. B. FL) verwenden, um offene Gesundheitsdatensätze für einen bestimmten Anwendungsfall im Zusammenhang mit dem IoT zu analysieren.

Abschließend werden wir die Einschränkungen und Kompromisse analysieren. Die Ergebnisse dieses Projekts werden zu einem Open-Source-Softwareprojekt, entsprechenden Veröffentlichungen, Vorträgen und Präsentationen sowie einer konkreten Zusammenarbeit zwischen zwei EELISA-Universitäten, der ZHAW und der ITU, führen.